留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

改进核相关滤波的运动目标跟踪算法

邢运龙 李艾华 崔智高 方浩

邢运龙, 李艾华, 崔智高, 方浩. 改进核相关滤波的运动目标跟踪算法[J]. 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
引用本文: 邢运龙, 李艾华, 崔智高, 方浩. 改进核相关滤波的运动目标跟踪算法[J]. 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
Xing Yunlong, Li Aihua, Cui Zhigao, Fang Hao. Moving target tracking algorithm based on improved Kernelized correlation filter[J]. Infrared and Laser Engineering, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
Citation: Xing Yunlong, Li Aihua, Cui Zhigao, Fang Hao. Moving target tracking algorithm based on improved Kernelized correlation filter[J]. Infrared and Laser Engineering, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004

改进核相关滤波的运动目标跟踪算法

doi: 10.3788/IRLA201645.S126004
基金项目: 

多目主动相机智能监控关键技术研究(61501470)

详细信息
    作者简介:

    邢运龙(1990-),男,硕士生,主要从事计算机视觉方面的研究。Email:5735624@qq.com

    通讯作者: 崔智高(1984-),男,讲师,博士,主要从事模式识别、图像匹配、智能监控等方面的研究。Email:cuizg10@126.com
  • 中图分类号: TP391

Moving target tracking algorithm based on improved Kernelized correlation filter

  • 摘要: 针对核相关滤波算法(KCF)难以应对光照变化、目标完全遮挡等问题,提出基于改进核相关滤波的运动目标跟踪算法。首先提出基于相位特征的高斯核相关算子,增强算法对光照强度变化的适应能力,然后融合Kalman滤波器形成预测-跟踪-校准的跟踪机制,结合遮挡处理提高系统在目标被完全遮挡时跟踪的准确性。在模型更新方面,将在线更新与离线更新相结合,提出自适应更新的策略,利用跟踪效果较好的历史模型建立备选模型,替代跟踪效果较差的模型,及时纠正模型偏移、特征丢失等问题。与原始的核相关滤波算法进行对比实验的结果表明,改进算法适应光照强度变化的能力明显增强,当目标被完全遮挡时也能保持较好的跟踪效果。
  • [1] Wu Y, Lim J, Yang M. Online object tracking:a benchmark[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2013:2411-2418.
    [2] Kinjal A, Darshak G. A survey on moving object detection and tracking in video surveillance system[J]. International Journal of Soft Computing and Engineering(IJSCE), 2012, 05(6):128-134.
    [3] Hong H, Wang L, Shi Z. Simplified particle PHD filter for multiple-target tracking:algorithm and architecture[J]. Progress in Electromagnetics Research, 2011, 120:481-498.
    [4] Wang F, Ye J. A novel fragments-based tracking algorithm using mean shift[C]//IEEE International Conference on Control Automation Robotics and Vision, 2008:694-698.
    [5] Li Jianfeng, Huang Zengxi, Liu Yiguang. An adaptive Mean-Shift algorithm based on optical-flow field estimation for target tracking[J]. Journal of OptoelectronicsLaster, 2012, 23(10):1996-2002. (in Chinese) 李剑锋, 黄增喜, 刘怡光. 基于光流场估计的自适应Mean-Shift目标跟踪算法[J]. 光电子激光, 2012, 23(10):1996-2002.
    [6] Denman S, Chandran V, Sridharan S. An adaptive optical flow technique for person tracking systems[J]. Pattern Recognition Letters, 2007, 28(10):1232-1239.
    [7] Bolme D, Beveridge J, Draper B, et al. Visual target tracking using adaptive correlation filters[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2010:2544-2550.
    [8] Mahalanobis A, Vijaya K, Casasent D. Minimum average correlation energy filters[J]. Applied Optics, 1987, 26(05):3633-3640.
    [9] Galoogahi H, Sim T, Lucey S. Multi-channel correlation filters[C]//IEEE International Conference on Computer Vision, 2013:3072-3079.
    [10] Rodriguez A, Boddeti V, Vijaya K, et al. Maximum margin correlation filters:a new approach for localization and classification[J]. IEEE Transaction on Image Processing, 2013, 22(02):631-643.
    [11] Henriques J, Caseiro R, Martins P, et al. High-speed tracking with kernelized correlation filters[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2012, 37(3):583-596.
    [12] Shiuh W, Chung K, Shu T. Video target tracking using adaptive kalman filter[J]. Journal of Visual Communication and Image Representation, 2006, 17(6):1190-1208.
    [13] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2005:886-893.
    [14] Rifkin R, Yeo G, Poggio T. Regularized least-squares classification[J]. Nato Science Series Sub Series Ⅲ Computer and Systems Sciences, 2004, 42(1):93-104.
    [15] Oron S, Hillel A, Avidan S. Extended lucas kanade tracking[C]//European Conference on Computer Vision, 2014:142-156.
  • [1] 王雨飞, 郑佳兴, 戴东凯, 谭文锋.  基于FIR滤波和抖动剥除相结合的激光陀螺无延时测量方法 . 红外与激光工程, 2023, 52(11): 20230171-1-20230171-7. doi: 10.3788/IRLA20230171
    [2] 李博, 张心宇.  复杂场景下基于自适应特征融合的目标跟踪算法 . 红外与激光工程, 2022, 51(10): 20220013-1-20220013-11. doi: 10.3788/IRLA20220013
    [3] 许聪, 孙大鹰, 曹子奇, 李春琦, 顾文华.  采用自适应模糊优化的目标跟踪加速方案 . 红外与激光工程, 2022, 51(2): 20210864-1-20210864-8. doi: 10.3788/IRLA20210864
    [4] 陈宏宇, 罗海波, 惠斌, 常铮.  采用多特征融合的子块自动提取方法 . 红外与激光工程, 2021, 50(8): 20200407-1-20200407-9. doi: 10.3788/IRLA20200407
    [5] 姜珊, 张超, 韩成, 底晓强.  基于相关滤波的目标重检测跟踪 . 红外与激光工程, 2021, 50(2): 20200182-1-20200182-12. doi: 10.3788/IRLA20200182
    [6] 陈法领, 丁庆海, 罗海波, 惠斌, 常铮, 刘云鹏.  采用时空上下文的抗遮挡实时目标跟踪 . 红外与激光工程, 2021, 50(1): 20200105-1-20200105-11. doi: 10.3788/IRLA20200105
    [7] 曲蕴杰, 莫宏伟, 王常虹.  一种用于无人机的目标颜色核相关跟踪算法研究 . 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
    [8] 葛宝义, 左宪章, 胡永江, 张岩.  基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
    [9] 郭伟, 董丽虹, 王海斗, 徐雅薇, 徐滨士.  基于小波分解的热波相位特征提取及喷涂层厚度评价 . 红外与激光工程, 2017, 46(9): 904003-0904003(7). doi: 10.3788/IRLA201746.0904003
    [10] 邵春艳, 丁庆海, 罗海波, 李玉莲.  采用高维数据聚类的目标跟踪 . 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
    [11] 崔雄文, 吴钦章, 蒋平, 周进.  子空间模型下的仿射不变目标跟踪 . 红外与激光工程, 2015, 44(2): 769-774.
    [12] 赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗.  五阶容积卡尔曼滤波算法及其应用 . 红外与激光工程, 2015, 44(4): 1377-1381.
    [13] 徐超, 高敏, 杨耀.  自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
    [14] 江奇渊, 汤建勋, 韩松来, 袁保伦.  36维Kalman滤波的激光陀螺捷联惯导系统级标定方法 . 红外与激光工程, 2015, 44(5): 1579-1586.
    [15] 陈晓露, 戴明, 葛明, 郎小龙.  快速平滑点特征轨迹电子稳像 . 红外与激光工程, 2014, 43(6): 1988-1993.
    [16] 赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成.  扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
    [17] 田立, 周付根, 孟偲.  基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪 . 红外与激光工程, 2014, 43(7): 2354-2361.
    [18] 黎志华, 李新国.  基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
    [19] 彭晨, 陈钱, 钱惟贤, 徐富元.  复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
    [20] 曲仕茹, 杨红红.  采用Kalman_BP神经网络的视频序列多目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2553-2560.
  • 加载中
计量
  • 文章访问数:  544
  • HTML全文浏览量:  92
  • PDF下载量:  387
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-01-10
  • 修回日期:  2016-02-15
  • 刊出日期:  2016-05-25

改进核相关滤波的运动目标跟踪算法

doi: 10.3788/IRLA201645.S126004
    作者简介:

    邢运龙(1990-),男,硕士生,主要从事计算机视觉方面的研究。Email:5735624@qq.com

    通讯作者: 崔智高(1984-),男,讲师,博士,主要从事模式识别、图像匹配、智能监控等方面的研究。Email:cuizg10@126.com
基金项目:

多目主动相机智能监控关键技术研究(61501470)

  • 中图分类号: TP391

摘要: 针对核相关滤波算法(KCF)难以应对光照变化、目标完全遮挡等问题,提出基于改进核相关滤波的运动目标跟踪算法。首先提出基于相位特征的高斯核相关算子,增强算法对光照强度变化的适应能力,然后融合Kalman滤波器形成预测-跟踪-校准的跟踪机制,结合遮挡处理提高系统在目标被完全遮挡时跟踪的准确性。在模型更新方面,将在线更新与离线更新相结合,提出自适应更新的策略,利用跟踪效果较好的历史模型建立备选模型,替代跟踪效果较差的模型,及时纠正模型偏移、特征丢失等问题。与原始的核相关滤波算法进行对比实验的结果表明,改进算法适应光照强度变化的能力明显增强,当目标被完全遮挡时也能保持较好的跟踪效果。

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回